1.一种基于深度强化学习的移动边缘计算分流决策方法，其特征在于，所述方法包括以下步骤：

1)在一个由多个用户组成，并且每个用户都有多个独立的任务的移动通信系统中，xnm为用户n的任务m的分流决策，如果xnm为1则表示用户n的任务m将被分流至基站或云端处理，xnm为0则表示在本地处理；当用户n的任务m被分流时，其上行传输速率 和下行传输速率受传输总带宽CU和CD的限制；当用户n的任务m在本地处理时，本地移动设备所产生的能量损耗为 如果在云端处理时，所产生的能量损耗为 系统总损耗最小化表示为：约束条件为：

式中：

其中，各参数定义如下：

N：用户人数；

M：每个用户的任务数；

xnm：用户n的任务m的分流决策，为1时表示在云端处理，为0时在本地处理；

用户n的任务m在本地处理时的能量损耗；

用户n的任务m被分流时，传输过程中能量损耗；

用户n的任务m在云端处理时的能量损耗；

p：在云端处理时，能量损耗的转化权重；

山n：用户n延时损耗的转化权重；

用户n的任务m在本地处理时的延时损耗；

用户n的任务在云端处理时的总延时损耗；

2)为了保证服务质量，当任务在云端处理时，数据从本地上传到云端所消耗的时间以及处理时间都将被考虑在内，每个用户n的任务由发送数据DOnm和接收数据DInm组成，当任务分流至云端时，期间所消耗的时间与本地和基站间的传输速率RAC相关；在云端处理时，时间消耗由发送数据大小和云端处理速度fC决定，由于数据传输和处理时间会有重叠，而重叠部分难以估算，所以总的时间损耗考虑为所有时间消耗的总和式中：

其中，各参数定义如下：

DInm：用户n的任务m的接收数据大小；

DOnm：用户n的任务m的发送数据大小；

用户n的上传速度；

用户n的下行速度；

RAC：基站与云端的传输速率；

ATnm：每处理单位的数据需要的处理循环次数；

fC：云端处理器的处理速度；

3)通过强化学习算法来寻找一个最优的分流决策和资源调度方案，即所有用户的分流决策xnm和上下行速率 和 分配；强化学习系统由智能体和环境所组成；所有用户的分流决策xnm和上下行速率 和 都被编进了系统当前状态xt，智能体在当前状态下采取动作a进入下一个状态xt+1，同时得到环境返回的奖励r(xt，a)，在智能体和环境不断交互更新下，分流决策xnm和上下行速率 和 将不断被优化直到找到最优的，智能体的更新方式为：

θ θ′

Q(xt，a)＝r(xt，a)+γmaxQ (xt+1，a′)              (3)其中，各参数定义如下：

θ：评估网络中的参数；

θ′：目标网络中的参数；

xt：在时刻t，系统所处状态；

θ

Q(xt，a)：在状态xt下采取动作a所得到的Q值；

r(xt，a)：在状态xt下采取动作a所得到的奖励；

γ：奖励衰减比重；

4)所有用户的分流决策xnm和上下行速率 和 作为深度强化学习的系统状态xt，动作a则是对系统状态xt的更改，如果改后的系统的总损耗比之前的要小，则使当前奖励r(xt，a)设为正值，反之设为负值，同时系统进入下一状态xt+1。

2.如权利要求1所述的一种基于深度强化学习的移动边缘计算分流决策方法，其特征在于，所述步骤4)中强化学习的迭代过程为：步骤4.1：初始化强化学习中的评估网络，目标网络和记忆库，当前系统状态为xt，t初始化为1，迭代次数k初始化为1；

步骤4.2：当k小于或等于给定迭代次数K时，随机选择一个概率p；

步骤4.3：如果p小于或等于ε；则选择评估网络所输出的动作a(t)，否则随机选择一个动作；

步骤4.4：采取动作a(t)后，得到奖励r(t)和下一步状态x(t+1)，并将这些信息按照格式(x(t)，a(t)，r(t)，x(t+1))保存在记忆库中；

θ′

步骤4.5：结合目标网络的输出，计算评估网络的目标y＝r(xt，a)+γmaxQ (xt+1，a′)；

θ 2

步骤4.6：最小化误差(y‑Q (xt，a)) ，同时更新评估网络的参数θ，使得其下次能预测得更准；

步骤4.7：每隔S步，将评估网络的参数赋值给目标网络，同时令k＝k+1，回到步骤4.2；

步骤4.8：当k大于给定迭代次数K时，学习过程结束，得到最佳分流决策xnm和上下行速率 和